武汉理工大学何青青副教授在ES&T发表最新研究成果！

文章预览

利用可解释的机器学习模型揭示地表温度对地面臭氧高时空分辨率制图的影响 作为一种短寿命污染物，臭氧浓度在空间和时间上变化显著，因而需要进行高时空分辨率的预测与制图，以便更全面地了解暴露水平及相关健康风险，而这需要识别和探索与地面臭氧变化密切相关且具有高时空分辨率数据的环境变量。区别于以前研究以再分析产品中的空气温度作为主要预测因子来建立预测模型， 本研究以从卫星观测提取的全覆盖地表温度(LST)数据作为主要预测变量，结合XGBoost模型开发全国尺度的日均0.01°空间分辨率的臭氧浓度预测模型，并使用SHAP（SHapley Additive exPlanations）方法，量化每个变量对模型的影响程度和方向，重点关注LST在地面臭氧浓度高分辨率制图中的重要贡献。 以我国2019年为例，臭氧的高时空分辨率预测模型取得了较好的预测精度（交叉 ………………………………